Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk
Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan
persamaan, menyelesaikan persamaan integral, membuat permainan catur atau
Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit
kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika.
Seperti contoh: Pengenalan Obyek/Muka, bermain Sepakbola.
'Kecerdasan buatan' ini bukan hanya ingin mengerti apa itu sistem kecerdasan,
tapi juga mengkonstruksinya.
Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah
apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan
mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage
dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang
bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University
of Manchester (UK): sebuah program permainan naskah yang ditulis oleh
Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich
Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi
pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga
menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan "Turing
test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph
Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan
psikoterapi Rogerian.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma
perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974.
Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan
demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer
permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6
game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang
disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang
Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun
1950 pada pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini,
adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan
sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan
susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang
menantang.
Filosofi
Perdebatan tentang AI yang kuat dengan AI yang lemah masih menjadi topik
hangat diantara filosof AI. Hal ini melibatkan filsafat pemikiran dan masalah
pikiran-tubuh. Roger Penrose dalam bukunya The Emperor's New Mind dan John
Searle dengan eksperimen pemikiran "ruang China" berargumen bahwa kesadaran
sejati tidak dapat dicapai oleh sistem logis formal, sementara Douglas Hofstadter
dalam Gödel, Escher, Bach dan Daniel Dennett dalam Consciousness Explained
memperlihatkan duukungannya atas fungsionalisme. Dalam pendapat banyak
pendukung AI yang kuat, kesadaran buatan dianggap sebagai urat suci (holy grail)
kecerdasan buatan.
Fiksi sains
Dalam fiksi sains, AI umumnya dilukiskan sebagai kekuatan masa depan yang
akan mencoba menggulingkan otoritas manusia seperti dalam HAL 9000, Skynet,
Colossus and The Matrix atau sebagai penyerupaan manusia untuk memberikan
layanan seperti C-3PO, Data, the Bicentennial Man, the Mechas dalam A.I. atau
Sonny dalam I, Robot. Sifat dominasi dunia AI yang tak dapat dielakkan, kadang-
kadang disebut "the Singularity", juga dibantah oleh beberapa penulis sains seperti
Isaac Asimov, Vernor Vinge dan Kevin Warwick. Dalam pekerjaan seperti manga
Ghost in the Shell-nya orang Jepang, keberadaan mesin cerdas mempersoalkan
definisi hidup sebagai organisme lebih dari sekedar kategori entitas mandiri yang
lebih luas, membangun konsep kecerdasan sistemik yang bergagasan. Lihat daftar
komputer fiksional(list of fictional computers) dan daftar robot dan android
fiksional (list of fictional robots and androids).
http://wikipedia.com
BIDANG- BIDANG YANG TERMASUK KECERDASAN BUATAN
Olahraga
dan Peralatan berkemah · Tempat bermain · Peralatan olahraga
Rekreasi
Informasi
Teknologi informasi · Teknologi komunikasi · Grafis · Teknologi
dan
musik · Pengenalan suara · Teknologi visual
Komunikasi
1.Algoritma genetika
Algoritma Genetika adalah suatu algoritma pencarian yang meniru mekanisme
dari genetika alam. Algoritma Genetika ini banyak dipakai pada aplikasi bisnis, teknik
maupun pada bidang keilmuan.Algoritma ini dapat dipakai untuk mendapatkan solusi
yang tepat untuk masalah optimal dari satu variabel atau multi variabel.
Sebelum
Algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan
dalam fungsi tujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin besar,
maka sistem yang dihasilkan semakin baik. Operasi yang dilakukan adalah reproduksi,
crossover, dan mutasi untuk mendapatkan sebuah solusi menurut nilai fitnessnya.
Selanjutnya konstruksi dasar dari Algoritma Genetika adalah sebagai berikut:
• Pendefinisian Chromosome
• Pendefinisian Fungsi Fitness
• Membangkitkan Sebuah Populasi Awal
• Reproduksi
• Crossover
• Mutasi
Pada bagian ini Algoritma Genetika akan dipakai mendapatkan optimasi dari
kendali logika fuzzy untuk suatu model simulasi yaitu pada water level control. Gambar
simulasi water level control tampak di berikut ini.
Pada water level control tersebut bagian yang ingin dioptimasi berada di blok
Fuzzy Logic Controller. Blok ini memuat file yang sumbernya dari tank.fis kemudian
juga dimodifikasi sehingga menjadi file tanksave.fis. Algoritma Genetika itu sendiri
bekerja pada bagian yang menentukan parameter dari fungsi membership level,rate, dan
valve. Sedangkan untuk rule pada bagian ini dibuat tetap.
Dimana:
HL = High Large, HS = High Small, OK = Okay, LS= Low Small, LL = Low Large, NL
= Negative Large, NS = Negative Small, NO = None, PS = Positive Small, PL = Positive
Large, CF = Close Fast, CS = Close Small, NC = No Change, OS = Open Slow,
OF=
Open Fast.
Untuk tiap membership function (2 input dan 1 output) memerlukan satu nilai,
sehingga bentuknya simetris (lihat gambar 2).
Sehingga dengan mencari nilai x saja, bentuk membership function tersebut dapat
dibuat. Sebagai hasil akhirnya didapatlah bentuk membership function yang simetris.
Kromosom dibuat berdasarkan satu nilai, sehingga didapat tiga nilai, x, y, dan z. Ketiga
nilai membentuk kromosom float seperti pada gambar 3.
Water level control yang menjadi plant dalam menjalankan Algoritma Genetika
ini mengambil fungsi fitnessnya yaitu berupa overshoot dan risetime. Bentuk overshoot
dan risetime dapat dilihat pada scope pada simulasi sltank4 dan untuk mencaribesarnya
fitness maka setelah selesai menjalankan sltank4, kemudian kita dapat mengambil harga
outputnya yaitu dengan menjalankan program perhitungan nilai fitnessnya. Besarnya
fitness diperoleh dari perhitungan:
Hasil
Sistem mula-mula diset dengan bilangan random,baru kemudian proses optimasi
dilakukan. Pada gambar 4, 5, dan 6 akan dapat dilihat bentuk membership function yang
dirancang dengan menggunakan Alogirtma Genetika. Sistem dijalankan sampai dengan
25 generasi, dan 10 kromosom untuk tiap generasi. Kenaikan nilai fitness dapat dilihat
pada gambar dibawah ini
Gambar dibawah ini menunjukkan hasil percobaan dengan berbagai nilai probabilitas
crossover dan mutasi.Gambar ini dapat dilihat perbandingan antara fitnes yang
memiliki probalitas yang berbeda-beda.
2.Logika Fuzzy
Logika fuzzy adalah multi nilai logika berasal dari fuzzy teori untuk menangani
dengan alasan yang tepat dari pada pemikiran.
Logika fuzzy atau sistem fuzzy merupakan suatu cara yang tepat untuk memetakan
suatu ruang input kedalam suatu ruang output [KUS03].
1. Konsep logika fuzzy mudah dimengerti, karena di dalam logika fuzzy terdapat
konsep matematis sederhana dan mudah dimengerti yang mendasari
penalaran fuzzy.
3. Logika fuzzy memiliki toleransi terhadap data – data yang tidak tepat.
1. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel fuzzy.
Contoh :